Auto Korelasi & Analisis Regresi

Auto Korelasi
• Autokorelasi atau korelasi serial adalah kondisi dimana
komponen variable random error berkorelasi berdasarkan
urutan waktu (pada data time series) atau urutan ruang
(pada data cross-section).
• Pada umunya autokorelasi banyak terjadi pada data time
series. Artinya, kondisi sekarang, di pengaruhi oleh waktu
lalu.
• Uji autokorelasi adalah melihat apakah terjadi korelasi
antara periode t dengan periode sebelumnya ( t-1).
 PENYEBAB AUTO KORELASI
1. Adanya kelambatan (inertia)
• Misalkan suatu variable pada periode series waktu tertentu,
mengalami peningkatan sebelumnya, maka terdapat “momentum”
yang tebangun pada variable tersebut, dam berlanjut hingga sesuatu
terjadi untuk memperlambatnya.
2. Bias spesifikasi, kasus pengeluaran variable
• Yt= β0+ β1X1t+ β2X2t+ β3X2t+εt menjadi Yt= β0+ β1X1t+ β2X2t+ vt
3. Tidak memasukan variabel yang penting.
4. Menipulasi data
 KONSEKUENSI ADANYA AUTOKORELASI
1. Estimator yang dihasilkan masih unbiased konsisten dan
asymptotical normally distributed. Tetapi tidak lagi efisien
2. Estimasi standard error dan varian koefisien regresi yang
didapatkan akan understimate.
3. Pemeriksaan terhadap residualnya akan menemui permasalahan.
4. Autokorelasi yang kuat dapat pula menyebabkan dua variabel yang
tidak berhubungan menjadi berhubungan. Biasanya disebut
spourious regression.
SOLUSI MASALAH DARI AUTOKORELASI

1. Penambahan variable lain

2. Menggunakan variable yang di transformasi
 MENDETEKSI AUTOKORELASI
1. Metode Grafik

grafik a auto korelasi positif

grafik b auto korelasi negatif

2. Uji Durbin Watson

e(t) = galat (residual) pada pengamatan ke-t

n adalah banyaknya data dalam analisis
 Analisis Regresi
• Analisis regresi adalah analisis statistik yang mempelajari hubungan
antara dua atau lebih variabel kuantitatif sehingga satu variabel dapat
diramalkan (predicted) dari variabel lainnya.
• Ada 2 jenis analisis regresi yakni
• regresi linier sederhana
• regresi linier berganda.
 Analisis regresi linier sederhana
Analisis statistik yang digunakan untuk memprediksi atau
menguji pengaruh satu variabel bebas atau variabel
independent terhadap variabel terikat atau variabel dependent.
Bila skor variabel bebas diketahui maka skor variabel
terikatnya dapat diprediksi besarnya.
Penggunaan Analisis Regresi Linear dalam
Produksi
1. Hubungan antara Lamanya Kerusakan Mesin dengan
Kualitas Produk yang dihasilkan
2. Hubungan Jumlah Pekerja dengan Output yang diproduksi
3. Hubungan antara suhu ruangan dengan Cacat Produksi
yang dihasilkan.
Syarat kelayakan yang harus terpenuhi saat
menggunakan regresi linier
1. Jumlah sampel yang digunakan harus sama
2. Jumlah variabel bebas (x) adalah 1 (satu)
3. Nilai residual harus berdistribusi normal
4. Terdapat hubungan yang linier antara variabel bebas (x) dengan
variabel terikat (Y).
5. Tidak terjadi gejala heteroskedastisitas (Homoskedastisitas)
6. Tidak terjadi gejala autokorelasi (untuk data time series)
 Perbedaan
• Regresi linier sederhana  Yˆ  a  bX
• Regresi linier berganda  Yˆ  a  b1 X 1  b2 X 2  b3 X 3

• Jumlah Variabel Independent berbeda

Carilah persamaan regresi Y pada X dari data Tabel :
( x)(  y )
 xy  n
b
 x2  n
(  x ) 2

53305 -
665951
 12  0.8972
37525 
665 2

12
a  y  b1 x  29.53
jadi diperoleh persamaan regresi :
Yˆ  29.5294  0.8972 X
i i